《中国人工智能学会通讯》——5.33 制造服务的按需管理与应用

5.33 制造服务的按需管理与应用

制造服务的按需管理与应用,主要解决系统运营过程中大规模制造任务提交后如何为其提供合适的制造服务,如何为系统中大规模制造服务制定合理的调度执行方案,如何提高参与其中的用户的效用和系统的资源利用率与可靠性等决策问题。当前的相关研究很多,主要集中在以下几个方面:① 服务的搜索与匹配,例如服务搜索与匹配的四阶段法[8] 、基于语义网络的制造资源发现模型、基于服务类型和状态信息的智能服务搜索匹配方法[9]等。② 服务的评估,例如面向机械制造领域的信任评估系统及模型[10] 、针对资源服务交易过程资源服务信任Qos模型[11] 等。③ 服务的优选与组合,例如基于一种并行智能算法的多目标、多约束的服务优选与组合方法[12] ,以及针对资源服务组合的全生命周期中有关灵活性的服务优选与组合算法改进[13]等。④ 服务的容错,例如一种基于事件 - 条件 -动作(ECA,Event-Condition-Action)规则的容错方法[14]等。

然而,上述这些研究缺乏从宏观和系统的角度进行全局全面分析,同时考虑问题的多样性和复杂性、环境的不确定性和动态性等特点的研究不多。因此,本研究团队考虑到动态环境及其中的制造服务和制造任务的社会化大规模提供或提交,针对制造服务供需匹配与调度这一难点问题,提出了一种基于超网络的制造服务供需匹配与调度实现框架 [15] ,如图 3 所示。通过将制造服务、任务,以及相应的企业用户抽象成为超网络中的节点,基于不同节点间不同的关联关系的分析与挖掘从而构建超网络模型,并利用复杂网络理论在动态演化分析、统计特征分析等方面的优势,提高系统的制造服务供需匹配与动态调度的有效性和效用。

时间: 2024-09-29 08:02:03

《中国人工智能学会通讯》——5.33 制造服务的按需管理与应用的相关文章

《中国人工智能学会通讯》——5.30 智能制造服务管理的特点与挑战

5.30 智能制造服务管理的特点与挑战 由于智能制造的需求与最终目的,是实现社会环境中分布式制造资源以制造服务形式的共享及其相应的制造协作,因此,从宏观和系统的角度分析,智能制造服务管理问题有以下五个特点和挑战. (1)社会性[2] .由于参与的用户,不管是服务提供者还是需求者,都来自全社会的各行各业以及随时随地,因此社会化用户的参与导致了制造服务的供应和需求双方面的社会性,两者分别意味着分布式异构制造资源和能力的社会化提供,以及制造资源与能力的社会化共享和使用.同时,社会化制造服务的按需应用实

《中国人工智能学会通讯》——5.29 智能制造服务管理技术

5.29 智能制造服务管理技术 随着新一代信息技术(如云计算.物联网.大数据.移动互联等)与制造业的逐步深度融合与应用,世界各国在当前的先进制造系统的基础上相继提出了各自国家层面的制造业发展战略或计划,代表性的如德国的"工业 4.0".美国的"工业互联网".日本推出的工业智能化.我国的"中国制造2025"和"互联网 + 行动计划"等.这些战略或计划虽提出的背景不同,但所需解决的共性难题之一是如何以制造服务的形式实现各类制造资源

中国人工智能学会通讯——着力突破与创新 实现超越与引领

提 要 2016年3月,围棋人机大战的结果,在舆论界激起了惊涛骇浪:在科技界也引起了强烈反响.为了把握人工智能的发展现状和规律,探讨我国人工智能的发展战略,在中国人工智能学会和众多人工智能同行的支持下,由本文作者出面申请了一次高层战略研讨会,这就是以"发展人工智能,引领科技创新"为主题的香山科学会议.与会者同气相求.同心协力,站在国家战略的高度,以纵览全球的视野,通过深入的研讨和论证,凝聚了诸多宝贵的共识,形成了直送中央的<关于加快发展我国人工智能的专家建议>.本文简要介绍

中国人工智能学会通讯——深蓝、沃森与AlphaGo

在 2016 年 3 月 份,正当李 世石与AlphaGo 进行人机大战的时候,我曾经写过 一 篇< 人 工 智 能 的 里 程 碑: 从 深 蓝 到AlphaGo>,自从 1997 年深蓝战胜卡斯帕罗夫之后,随着计算机硬件水平的提高,计算机象棋(包括国际象棋和中国象棋)水平有了很大的提高,达到了可以战胜人类最高棋手的水平.但是,长期以来,在计算机围棋上进展却十分缓慢,在 2006 年引入了蒙特卡洛树搜索方法之后,也只能达到业余 5 段的水平.所以 AlphaGo 战胜韩国棋手李世石,确实是人

中国人工智能学会通讯——智创未来 未来已来

2016 年带着我们难忘的记忆,就这样翻篇了.由我们学会发起.全国多个组织积极参与的.纪念全球人工智能 60 年的一个个系列活动历历在目,在我们身边发生的种种无人驾驶的比赛和试验活动还在让我们激动不已,AlphaGo 战胜人类围棋冠军李世石的震荡被 Master 的新战绩推向又一个新高潮,时间就这样把我们带入了新的一年--2017 年. 对 2017 年的人工智能,我们会有什么期待呢? 深度学习会火 无人驾驶会火 机器人产业会火 机器同传会火 人机博弈会火 交互认知会火 不确定性人工智能会火 智

中国人工智能学会通讯——人工智能发展的思考

2016 年是充满了纪念意义的特殊的一年:80 年前的 1936 年,"人工智能之父"图灵提出了"可计算机器"的概念,为人工智能乃至现代信息科技奠定了基础:70年前的 1946 年,世界上第一台电子计算机ENIAC 在美国滨州诞生:60 年前的 1956年"人工智能"的概念首次被提出:50 年前的 1966 年,第一次颁发"图灵奖",到目前为止已经有 64 位获奖者:10 年前的2006 年,深度学习概念开始为大家所熟悉,并流

中国人工智能学会通讯——机器学习里的贝叶斯基本理论、模型和算法

非常感 谢周老师给这个机会让我跟大家分享一下.我今天想和大家分享的是,在深度学习或者大数据环境下我们怎么去看待相对来说比较传统的一类方法--贝叶斯方法.它是在机器学习和人工智能里比较经典的方法. 类似的报告我之前在CCF ADL讲过,包括去年暑假周老师做学术主任在广州有过一次报告,大家如果想看相关的工作,我们写了一篇文章,正好我今天讲的大部分思想在这个文章里面有一个更系统的讲述,大家可以下去找这篇文章读. 这次分享主要包括三个部分: 第一部分:基本理论.模型和算法 贝叶斯方法基础 正则化贝叶斯推

中国人工智能学会通讯——无智能,不驾驶——面向未来的智能驾驶时代 ( 下 )

到目前为止似乎比较完美,而实际还 存在着一些问题.我们现在看到很多道 路上面,交通标志牌它的分布非常稀疏, 可能每过一两公里才能够检测出来一个 交通标志牌,因为毕竟这个深度学习算 法是目前最完美的,它有时候还会错过 一个交通标志牌,这时候怎么办呢?我 们会发现在路面上也有非常明显的视觉 特征,我只要把路面的这些视觉特征识 别出来进行匹配,其实是有连续的绝对 的视觉参考的.所以我们做的办法是, 把这个路面粘贴起来.这个粘贴的方法 很简单,跟我们手机拍场景图片一样, 我们慢慢移动的时候可以把这个场景

中国人工智能学会通讯——深度学习与视觉计算 1.3 计算机视觉领域利用深度学习可能带来的未来研究方向

1.3 计算机视觉领域利用深度学习可能带来的未来研究方向 第一个,深度图像分析.目前基于深度 学习的图像算法在实验数据库上效果还是 不错的,但是远远不能够满足实际大规模 应用需求,需要进一步的提升算法性能从 而能够转化相应的实际应用.比如这个基 于图片的应用,可以估计性别和年龄,但 是其实经常会犯错,因此需要进一步提升 深度图像分析的性能. 第二个,深度视频分析.视频分析牵扯 到大量的数据和计算量,所以做起来更加 麻烦.当前深度视频分析还处于起步的阶 段,然而视频应用非常广泛,比如人机交互. 智